Validity of Steiner’s Automobile Anxiety Inventory
Notice bibliographique
Résumé
Background: Steiner’s Automobile Anxiety Inventory (AAI) is a 23 item questionnaire which provides a quantitative measure of vehicular anxiety (amaxophobia), common in survivors of motor vehicle accidents (MVAs). The present study examines criterion and convergent validity of the AAI. Method: De-identified data from a sample of 50 patients (mean age=39.1, SD=12.1; 17 men, 33 women) injured in high impact MVAs included the scores on Steiner’s AAI, as well as the pain ratings on the Brief Pain Inventory (BPI), scores on the Insomnia Severity Index (ISI), the Rivermead Post-Concussion Symptoms Questionnaire, Subjective Neuropsychological Symptoms Scale (SNPSS), Whetstone Vehicle Anxiety Questionnaire, and on Driving Anxiety Questionnaire (DAQ). The patients’ scores were compared to de-identified AAI data of 22 normal controls (mean age=45.9, SD=21.3; 10 men, 12 women). Results: Mean score of the patients on Steiner’s AAI (mean=15.0, SD=2.5) was significantly higher than the one of normal controls (mean=3.2, SD=3.8) in a t-test (t=15.6, df=70, p<.001). The underlying correlation is very high (r=.88): this indicates an excellent criterion validity. Satisfactory convergent validity is suggested by significant correlations (p<.001) of Steiner’s AAI scores to the Whetstone Vehicle Anxiety Questionnaire (r=.58) and Driving Anxiety Questionnaire (r=.52). The AAI correlated at p<.001 with post-accident neuropsychological impairments as measured by Rivermead (r=.89) and SNPSS (r=.72). Internal consistency of the AAI is satisfactory (Cronbach alpha=.95). Discussion and Conclusion: The results indicate satisfactory criterion and convergent validity of the Automobile Anxiety Inventory.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».